与睡眠相关的问题以及年轻男性过度使用智能手机的现象:一项短期行为限制研究的结果
《Neuropsychiatric Disease and Treatment》:Sleep-Related Problems and Problematic Smartphone Use in Young Adult Males: Findings from a Short-Term Behavioral Restriction Study
【字体:
大
中
小
】
时间:2026年05月01日
来源:Neuropsychiatric Disease and Treatment 2.9
编辑推荐:
摘要
目的:在数字时代,智能手机使用问题是一个普遍的行为问题,且经常与睡眠障碍相关。然而,关于不同睡眠领域在自然条件下对短期行为限制的反应的证据仍然有限。本研究旨在探讨年轻男性群体的智能手机使用模式,评估这些模式与问题性智能手机使用风险之间的关系,并评估在机构强制实施的短期智
摘要
目的:在数字时代,智能手机使用问题是一个普遍的行为问题,且经常与睡眠障碍相关。然而,关于不同睡眠领域在自然条件下对短期行为限制的反应的证据仍然有限。本研究旨在探讨年轻男性群体的智能手机使用模式,评估这些模式与问题性智能手机使用风险之间的关系,并评估在机构强制实施的短期智能手机使用限制后睡眠相关结果的变化。
患者与方法:
这项前瞻性前后观察研究在一家男性警察学院进行,期间实施了为期10天的机构强制智能手机使用限制。根据《智能手机成瘾量表-简版》(SAS-SV),参与者(n = 254)被分为低风险和高风险问题性智能手机使用组。在限制期前后,研究人员测量了睡眠质量、睡眠卫生、失眠严重程度和日间嗜睡情况。通过组间比较和多变量分析,研究了智能手机使用特征(每日使用时间、使用时间和使用目的)与睡眠结果之间的关联。
结果:
基线时,高风险组参与者报告的总体智能手机使用时间较长,尤其是在晚上,同时表现出较差的睡眠卫生、较低的睡眠质量以及更强的日间嗜睡感。限制期结束后,行为相关的睡眠指标(如睡眠卫生和主观睡眠质量)有所改善。相比之下,失眠严重程度和日间嗜睡感的变化有限,未显示出显著的组间时间交互作用。
结论:
研究结果表明,晚上频繁使用智能手机可能与主要由行为因素导致的睡眠问题有关。随着设备使用时间的减少,睡眠相关行为有所改善,而与更稳定的生理调节相关的睡眠参数在这段时间内变化不大。针对智能手机使用的时间和强度进行干预是改善年轻人睡眠健康的相关行为目标。
关键词:问题性智能手机使用;睡眠质量;睡眠卫生;失眠;日间嗜睡;行为限制
引言:
智能手机已成为全球日常生活中不可或缺的一部分。在线通信的便利性和丰富的功能进一步增加了其在日常活动中的使用频率。然而,这种高强度使用也导致了一些人表现出问题性或失调的智能手机使用行为。在神经精神病学领域,与数字设备使用相关的行为成瘾问题越来越受到关注,尽管相关证据仍较为有限。问题性智能手机使用(PSU)被描述为具有某些与公认行为成瘾相似的特征,如强迫性使用模式和功能损害。此外,PSU还与多种身体问题(如肌肉骨骼疼痛和事故)以及心理问题(如抑郁和焦虑)相关。已确定的健康问题中包括睡眠障碍,过度使用智能手机会使人难以获得良好的夜间睡眠。增加的智能手机使用时间与较短的睡眠时长和较低的睡眠效率有关。研究显示,智能手机使用与睡眠障碍之间存在生理机制上的关联,包括昼夜节律紊乱、褪黑激素抑制以及使用智能手机时认知兴奋增加。最近的一项荟萃分析表明,39%的学生表现出高风险的智能手机使用行为,57%的学生存在睡眠剥夺问题。许多研究调查了影响PSU及其与睡眠关系的因素,但关于睡眠参数变化的观察数据有限。在土耳其,针对大学生的研究也报告了显著的问题性智能手机使用现象。
研究设计:
本研究是在一所仅招收男性的警察学院进行的,因此样本全部为年轻男性。研究旨在探讨影响问题性智能手机使用的因素,并评估这些问题行为与睡眠参数之间的关系。研究在自然的环境条件下进行,观察了智能手机使用限制的短期效果,并分析了减少智能手机使用对睡眠结果的影响。
材料与方法:
参与者与程序:
本研究是在一所仅招收男性的警察学院进行的自然主义机构环境中进行的前瞻性前后观察研究。在招生期间,根据学校规定,个人电子设备(包括智能手机、平板电脑和电脑)的使用受到限制。这一限制由学校管理层独立于研究方案实施,研究团队并未对此进行干预或控制。研究旨在评估这一机构强制限制期前后的睡眠相关参数。所有首次申请入学的学生都被告知研究程序,并从同意参与的学生中获得了书面知情同意。在符合入学标准的510名学生中,424人自愿参与并完成了基线评估(测试1),86人拒绝参与或未完成基线问卷。
参与标准包括年龄在19至25岁之间、拥有智能手机、愿意自愿参与以及完成基本评估表格。排除标准包括慢性疾病史、精神疾病诊断或治疗史、自我报告的问题性智能手机或互联网使用需要临床评估或治疗、临床诊断的睡眠障碍、基线调查数据不完整或撤回同意。
基线时,参与者完成了人口统计和健康相关表格、智能手机使用特征调查、《智能手机成瘾量表-简版》(SAS-SV)以及睡眠相关量表。SAS-SV仅在基线时使用,以根据基线PSU风险状态对参与者进行分类。由于主要目的是根据基线PSU风险状态评估睡眠相关参数的变化,因此后续未重新施测该量表。限制期结束后进行了后续评估(测试2),期间重新施测了睡眠相关量表。
测量方法:
所有自我填写的问卷均用土耳其语进行。睡眠相关指标在两次时间点进行测量,两次测量之间间隔了10天的机构强制智能手机使用限制期。SAS-SV仅在基线时使用,用于根据基线PSU风险状态对参与者进行分类。
统计分析:
使用IBM SPSS Statistics 23版本和R统计软件进行了统计分析。人口统计变量(如年龄、吸烟状况、运动参与情况)使用描述性统计方法进行总结;与智能手机使用模式和睡眠相关参数相关的变量则使用推断统计方法进行分析。所有符合研究期间资格标准的参与者均被纳入分析。
预研究与样本量估计:
在主要研究之前,进行了一个涉及30名参与者的预研究,以评估研究程序的可行性并初步估计样本量需求。预研究数据未纳入最终分析数据集。由于预研究样本量较小,使用Shapiro–Wilk检验评估数据正态性,并使用Mann–Whitney U检验进行组间比较。根据预研究估计的效果量(Cohen’s d = 0.82),计算出每组至少需要42名参与者,以在95%的置信水平下比较高风险问题性智能手机使用(HR-PSU)组和低风险问题性智能手机使用(LR-PSU)组。由于预研究提供的效果量仅为近似值,该数值被用作样本量规划的临时参数,而非真实效果量的确定估计。
分布假设评估:
对于主要数据集(N = 254),使用Kolmogorov–Smirnov检验检查了连续变量的分布情况。由于多个变量偏离了正态分布,因此在适当的情况下使用了非参数统计方法。描述性统计和基线比较使用描述性统计方法总结了参与者特征、智能手机使用变量和与睡眠相关的测量结果。连续变量以均值±标准差和中位数(最小值–最大值)的形式呈现,而分类变量则以频率和百分比的形式报告。使用Mann–Whitney U检验评估了HR-PSU组和LR-PSU组之间的连续变量基线差异,使用Pearson卡方检验评估分类变量的基线差异。
为了研究与PSU风险相关的行为变量,进行了二元逻辑回归分析,以SAS-SV分类(HR-PSU和LR-PSU)作为因变量。智能手机使用时间和参与者报告的手机使用目的被纳入分析作为解释变量。
进行了接收者操作特征(ROC)曲线分析,以评估智能手机使用时间变量区分HR-PSU和LR-PSU参与者的能力。使用Youden指数估计了潜在的阈值。
在10天的机构规定的智能手机限制期间,使用基于Q统计量的稳健重复测量方差分析(ANOVA)分析了与睡眠相关的测量结果的变化。该模型考察了时间(基线和随访)、组别(HR-PSU和LR-PSU)以及时间×组别交互作用的影响,并计算了效应量来衡量观察到的差异的大小。对于使用Mann–Whitney U检验的非参数组间比较,效应量以r表示。对于重复测量分析,效应量表示为偏eta平方(η2)。所有统计检验均为双侧检验,p < 0.05被认为具有统计学意义。
研究包括254名18-25岁的男性参与者,最初根据基线SAS-SV分数分为两组:LR-PSU(n = 195)和HR-PSU(n = 59)。两组在年龄、体重指数(BMI)、吸烟状况和智能手机拥有时间上没有显著差异,效应量估计显示组间差异可以忽略不计(表1)。
当使用逻辑回归分析研究与PSU风险相关的独立变量时,单变量模型显示,每日总智能手机使用时间较长与PSU风险较高相关(OR = 1.002;95% CI: 1.000–1.004;p = 0.042)。就使用目的而言,上网(p = 0.022)、使用社交媒体(p = 0.013)和玩游戏(p = 0.018)与PSU风险显著相关。当在多变量逻辑回归模型中同时包含单变量模型中的参数时,没有一个参数与PSU风险显著相关(p > 0.050),这种减少可能部分反映了智能手机使用时间和使用目的之间的重叠。模型的整体解释能力较低(Nagelkerke R2 = 0.033),表明只有少量PSU风险的变异可以由所包含的变量解释,PSU也可能受到我们分析中未涉及的额外行为和情境因素的影响。逻辑回归分析的结果见表2。
HR-PSU组的每日总智能手机使用时间和晚间智能手机使用时间(16:00–00:00)显著长于LR-PSU组,但效应量较小(表1)。ROC分析显示,每日智能手机使用时间≥190分钟的阈值在识别HR-PSU方面的区分能力有限(AUC = 0.593;95% CI: 0.513–0.673)。同样,晚间智能手机使用时间≥100分钟的区分能力也有限(AUC = 0.585;95% CI: 0.502–0.668)。图2显示了这些发现的ROC曲线,相应的数值结果总结在表3中。
在两个测量点评估了与睡眠相关的变量:基线(测试1)和机构规定的10天智能手机使用限制期后(测试2)。
HR-PSU组的日间嗜睡(ESS)得分高于LR-PSU组(p = 0.005),但相应的效应量较小(表4)。ESS值随时间没有显著变化(p = 0.347),时间×组别交互作用也没有统计学意义(p = 0.094)。
基线时,HR-PSU组的PSQI得分较高(p = 0.001)。限制期后PSQI得分的下降具有显著性(p = 0.001),效应量较小到中等(表4)。这种下降在两组中都观察到,HR-PSU和LR-PSU参与者之间的变化幅度相当(表4和图3)。图3显示了在机构规定的智能手机限制期间,低风险(LR-PSU)和高风险(HR-PSU)参与者之间睡眠相关参数的变化。
HR-PSU组参与者最初的SHI得分较高,反映了较差的睡眠卫生习惯(p < 0.001)。尽管在10天的限制期间时间变化有限,但时间×组别交互作用具有统计学意义(p = 0.004)。限制期后,HR-PSU组的SHI得分接近LR-PSU组的得分。这种变化的效应量表明行为变化较小。
在这项针对年轻成年男性的前瞻性前后观察研究中,明显发现了问题性智能手机使用与多种睡眠相关问题之间的关联。高风险参与者在基线时表现出较低的主观睡眠质量、较差的睡眠卫生习惯和更高的日间嗜睡。在10天的机构规定的智能手机限制后,观察到了睡眠参数的积极变化,特别是在睡眠卫生和感知睡眠质量等行为驱动的参数方面。睡眠参数的变化很小,神经生理过程在失眠严重性和日间嗜睡的病理生理学中起主导作用。本研究的一个关键特点是行为限制发生在自然环境中。临时智能手机限制是作为机构规定的一部分实施的,而不是由研究团队引入的。这种情况创造了一个自然的观察环境,参与者在没有研究者干预的情况下暴露于统一的机构条件下。由于参与者遵循相似的日常安排,并在机构内生活在相似的环境中,因此影响睡眠模式的几个外部因素(如日常作息、活动安排和宿舍环境)在整个研究期间相对一致。这种环境允许在接近现实生活条件的情况下观察行为和睡眠相关的变化。
在不同人群中报告了问题性智能手机使用的普遍率。最近的一项荟萃分析估计,全球问题性智能手机使用的普遍率约为26.99%(95% CI: 22.73–31.73%)。
除了普遍率之外,使用强度似乎也区分了高风险个体。Dissing等人报告称,高风险个体的平均每日智能手机使用时间接近5小时,每天使用时间超过4小时经常与较差的睡眠质量相关。
在我们的研究人群中,被分类为HR-PSU的参与者报告了更长的每日总智能手机使用时间,尤其是在晚上达到高峰。ROC分析显示,每日总使用时间的阈值约为≥190分钟,晚间使用时间的阈值约为≥100分钟;然而,它们的区分能力有限。在这方面,我们认为这些值应被解释为使用强度的指标,而不是临床显著的临界点。我们在手机使用中识别出的时间特征表明,智能手机使用的持续时间和时间——尤其是晚间使用——可能反映了与更高睡眠相关问题相关的行为模式。晚间密集的智能手机使用可能通过在线互动的强度增加认知和情绪兴奋,并可能延迟入睡时间。此外,深夜屏幕暴露和光照暴露被认为会影响昼夜节律调节和褪黑激素分泌,这些机制之前已被认为与睡眠障碍有关。
研究显示,许多问题性智能手机使用者最喜欢的活动是发送消息、使用社交网络和娱乐应用。这些活动的共同特征包括快速的反馈循环和持续的社会互动,这可能会强化与设备的重复互动。
在我们的高风险智能手机用户组中,最常使用的活动是上网、使用社交媒体和玩游戏;然而,由于参与者的智能手机使用时间是基于自我报告的,无法确定个别活动的确切持续时间。尽管如此,娱乐和社交互动应用在晚间时间的集中使用支持了这样的观点:智能手机使用的内容和时间可能都会增加对睡眠相关问题的脆弱性。
近年来,关于问题性智能手机使用与睡眠之间关联的研究显著增加。较差的睡眠质量是最常报告的相关因素之一,通常使用PSQI进行评估,该指数同时捕捉了睡眠持续时间和延迟等定量特征以及睡眠质量的主观方面。
在印度的一项研究中,白天和醒来后不久的较长智能手机使用时间与较差的睡眠质量相关,较高的SAS-SV分数与更大的睡眠障碍和较差的日间功能相关。
智能手机使用与睡眠相关问题之间的关系不太可能依赖于单一机制。相反,提出了几种行为和生物学途径,包括在生物学上不适当的时间增加光照暴露、延迟的睡眠准备行为、褪黑激素相关调节的变化以及与长时间使用设备相关的身体不适。
尽管这些机制仍具有推测性,但它们可能有助于解释为什么在我们的样本中较高的PSU风险与较差的睡眠相关结果相关。基线时,不同PSU风险组的客观睡眠质量存在差异,HR-PSU组的PSQI得分较低。在10天的限制期后,两组的PSQI值都降低了。这种共同的下降趋势表明,在机构限制期间减少智能手机使用与队列水平的感知睡眠质量改善有关,尽管高风险组的绝对下降幅度更大。由于研究设计是观察性的,这些发现不能建立因果关系。然而,这些发现与智能手机使用的时间和强度可能与主观睡眠质量有关的可能性相符。
过度日间嗜睡(EDS)通常用ESS评估,指的是日间嗜睡及其对日常功能的损害。Sathe等人报告了PSU与大学学生的睡眠质量和EDS之间的强烈关联。同时,Kadian等人表明,睡前过度使用智能手机与较高的ESS(Epworth嗜睡量表)得分相关,这可能是由于入睡时间延迟和深度睡眠阶段受到干扰所致。然而,在本研究中,短期限制智能手机使用后ESS得分并未显示出显著变化。这一发现可能表明,白天的嗜睡程度受到更稳定的生理性睡眠-觉醒调节过程的影响,因此对短期行为改变的响应可能较小。近期文献中讨论了不健康的智能手机使用模式可能是导致失眠相关问题的一个潜在因素。例如,Daraj等人(2023年)描述了“无手机恐惧症”(nomophobia)与失眠严重程度之间的显著关系,强调了与智能手机相关的行为模式与睡眠障碍之间的广泛联系。然而,在当前样本中,研究开始时,被归类为高风险和低风险使用智能手机的参与者在失眠严重程度上没有差异。在10天的智能手机使用限制期后,两组参与者的ISI(失眠严重程度指数)得分都有所下降;但不同风险组之间的变化幅度没有显著差异。这种模式可能表明,短期减少智能手机使用会导致失眠症状的整体改善,而不仅仅是与使用风险状态直接相关的改变。一种可能的解释是,机构环境和晚上使用设备的暂时减少可能降低了整个群体的睡前认知刺激,从而有助于改善睡眠开始或感知的睡眠时长。尽管如此,由于限制期相对较短且研究设计为观察性研究,这种解释应谨慎对待。
最初,我们对参与者进行了SHI(睡眠卫生指数)测试,以评估他们的睡眠卫生状况,发现不同组之间的睡眠卫生存在显著差异。高风险智能手机使用者(HR-PSU)组的SHI得分较高,睡眠卫生习惯也较差。在限制智能手机使用后,HR-PSU组的SHI得分下降,接近LR-PSU组(低风险组)的水平;这表明减少智能手机使用后出现了短期的行为调整。这一变化与先前的研究结果一致,这些研究指出长期使用智能手机与睡眠卫生行为恶化之间存在相关性。一种可能的解释是,减少智能手机使用,尤其是在晚上,可以减少睡前与刺激性活动的互动,促进更健康的睡前习惯。这些结果强调了在评估智能手机使用对睡眠的影响时关注睡眠卫生的重要性。
本研究的结果表明,特别是在晚上16:00至00:00期间,问题性智能手机使用(PSU)与睡眠卫生和主观睡眠质量等行为驱动的睡眠参数更为相关。10天限制期后的观察结果表明,智能手机使用的时机和强度可能对睡眠相关问题起着重要作用,尽管这些观察结果不应被解释为直接因果关系的证据。虽然睡眠卫生和PSQI(匹兹堡睡眠质量指数)得分在短期观察期内有所变化,但失眠严重程度和白天的嗜睡程度并未表现出组间显著差异。这种对比可能反映了可改变的行为性睡眠习惯与更稳定的生理性睡眠-觉醒调节过程之间的区别。需要进一步的研究,采用更长的随访时间和控制性设计,以明确这些关联的持久性和机制。
在解释本研究结果时,必须考虑几个限制因素。首先,最初的调查是在一所只招收男学生的警察学院进行的,因此样本仅由年轻男性组成,限制了结果对女性或混合人群的普遍性。此外,这也反映了研究的机构背景。其次,所有测量都依赖于自我报告问卷,这可能导致回忆偏差和报告不准确;同时,没有使用数字测量方法。数据收集格式采用的是汇总分数而非单项回答,因此无法重新计算Cronbach’s alpha等内部一致性指标。相反,这些工具的心理测量属性基于文献中报告的先前验证版本。第三,尽管在限制期间参与者处于相似的环境条件下,但在随访期间没有系统地测量其他可能影响睡眠的行为或心理变量(如压力水平、对机构常规的适应或个体应对策略)。限制期的相对较短是另一个重要限制因素。10天的观察窗口可能足以检测到受行为影响的睡眠指标的短期变化,但不太可能捕捉到与失眠严重程度和白天嗜睡相关的较慢的生理适应。此外,对智能手机使用的遵守情况是通过自我报告而非客观数字监测来确认的。需要具有更长随访时间、设备使用客观验证和更多样化样本的研究,以确定这些模式是否具有可重复性和长期持续性。
我们的研究是在生活在类似机构环境中的年轻男性群体中进行的,探讨了问题性智能手机使用模式与睡眠相关问题之间的关系。被归类为高风险的智能手机使用者使用智能手机的时间更长,尤其是在晚上。在暂时限制智能手机使用后,睡眠相关行为(特别是睡眠卫生和感知的睡眠质量)有所改善,而反映失眠严重程度和白天嗜睡程度的参数在短期观察期内基本保持不变。根据我们的结果,我们认为在这段无手机的使用期间,睡眠的行为成分可能会更快地做出反应,而依赖于更稳定生理调节的睡眠结果可能需要长期的行为改变。在临床实践中,我们认为限制晚上过度使用智能手机可能是解决年轻人睡眠问题的一个潜在目标。未来的研究应包括更长的观察期、智能手机使用的客观测量方法以及更多样化的研究人群,以明确PSU与睡眠之间关系的长期意义。
**缩写说明:**
PSU:问题性智能手机使用
SAS-SV:智能手机成瘾量表-简版
ESS:Epworth嗜睡量表
PSQI:匹兹堡睡眠质量指数
ISI:失眠严重程度指数
SHI:睡眠卫生指数
BMI:身体质量指数
EDS:过度日间嗜睡
ROC:接收者操作特征曲线
**伦理批准和知情同意:**
本研究获得了Kastamonu大学临床研究伦理委员会的伦理批准(批准编号:2024-KAEK-118)。研究遵循《赫尔辛基宣言》的原则进行。所有参与者在参与研究前都签署了书面知情同意书。未提供同意书的参与者被排除在研究之外。
**作者贡献:**
所有作者都对本研究的工作做出了重要贡献,无论是在概念构思、研究设计、数据收集、分析解释还是所有这些方面;参与了文章的起草、修订或批判性审查;同意最终发表的版本;并同意对工作的所有方面负责。
**利益冲突声明:**
作者声明在此项工作中没有利益冲突。
**数据共享声明:**
当前研究中使用和/或分析的数据集可向相应作者提出合理请求后获取。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号